Aggregation of Electric Vehicles and Thermostatically Controlled Loads for Providing Ancillary Services to the Smart Grid

RÉSUMÉ Ces dernières années, la tendance à la transition énergétique s’est accentuée, notamment dans les secteurs résidentiel et du transport. L’adoption généralisée des véhicules électriques (EVs) dans le secteur des transports et le volume élevé de charges thermostatiques contrôlées (TCLs) dans le secteur du bâtiment révèlent la capacité de ces secteurs à réduire les émissions de gaz à effet de serre et à améliorer l’efficacité énergétique. Cependant, la pénétration non gérée des EVs et des TCLs à grande échelle peut avoir des impacts négatifs sur le réseau électrique existant, tels que les points de puissance, les fluctuations de puissance accrues, une qualité de puissance réduite et des violations des limites de tension, qui nécessitent des extensions de réseau coûteuses. En revanche, une population de EV et TCL bien gérée limite non seulement les expansions inutiles de réseau, mais offre également des opportunités potentielles pour soutenir le réseau électrique fonctionnant en tant que réseau intelligent (SG). Dans ce contexte, cette thèse traite le développement des modèles d’agrégation et d’optimisation centralisés et distribués efficaces pour exploiter le potentiel de flexibilité des populations TCL et EV à grande échelle. Les modèles proposés sont utilisés pour atteindre des objectifs spécifiques au niveau de l’utilisateur, de l’agrégateur et du réseau électrique tout en évitant d’éventuels effets négatifs sur l’intégrité du système. Premièrement, un nouveau cadre d’agrégation centralisé a été développé pour la participation des TCLs à grande échelle au service de régulation de fréquence. Ce cadre d’agrégation est basé sur le modèle de représentation d’état (SSM) et il est réalisé en coordination avec le générateur conventionnel (CG). Le modèle proposé est caractérisé par une charge de communication réduite et une estimation précise de la capacité de régulation. Les résultats de la simulation montrent que l’agrégateur TCL basé sur le SSM peut contrecarrer avec succès les écarts de fréquence tout en soulageant le stress sur le CG. Ensuite, un nouveau cadre d’agrégation de EV centralisé étendu basé sur le SSM a été proposé pour la participation des populations de EV à grande échelle dans les services de régulation de fréquence et de l’écrêtement de la charge de pointe. Le cadre proposé augmente la flexibilité de l’agrégateur de véhicules électriques (EVA) en permettant aux véhicules électriques de participer à des services auxiliaires avec des taux de charge/décharge réguliers et rapides. Cela permettra à l’EVA d’apporter des réponses rapides et efficaces à de graves déséquilibres entre la production et la consommation. Une approche de contrôle probabiliste est développée qui réduit la charge de communication de l’agrégateur EV.

Abstract

ABSTRACT In recent years, there has been a growing trend toward energy transition, particularly in the transportation and building sectors. The widespread adoption of Electric Vehicles (EVs) in the transportation sector, and the high volume of Thermostatically Controlled Loads (TCLs) in the building sector, provide these sectors with the capacity to reduce carbon emissions and improve energy efficiency. However, the unmanaged penetration of large-scale EVs and TCLs can lead to negative impacts on the existing electric network, such as high peak, increased power fluctuations, decreased power quality, and voltage limit violations, which require costly remedial actions and network expansions. By contrast, a well-managed EV fleet and TCL population not only limit unnecessary network expansions but also potentially offers opportunities to support the electric grid operating as the smart grid (SG) in different ways. Within this concept, this thesis deals with the development of efficient centralized and distributed aggregation and optimization models to exploit the flexibility of large-scale TCL and EV populations in supporting the electric grid. The proposed models are employed to obtain specific user-level, aggregator-level, and grid-level objectives while preventing possible adverse effects on system integrity. First, a new centralized aggregation framework is developed for the participation of large-scale TCLs in the frequency regulation service. The aggregation is based on the State Space Model (SSM) and is realized in coordination with the Conventional Generator (CG). The proposed aggregation framework is characterized by a low communication requirement and an accurate regulation capacity estimation. The simulation results show that the proposed SSM-based TCL aggregator can successfully counteract the frequency deviations while relieving the stress on the CG by mitigating the amount of required ramp adjustments. Next, a new extended SSM-based centralized EV aggregation framework is proposed for the participation of large-scale EV populations in the frequency regulation and peak load shaving services. The proposed framework increases the flexibility of the EV aggregator (EVA) by enabling the EVs to participate in ancillary services with both regular and fast charging/discharging rates. This will help the EVA to provide prompt and efficient responses to severe generation-consumption imbalances. A probabilistic control approach is developed which reduces the communication burden of the EV aggregator. The simulation results show that the proposed SSM-based EV aggregator can accurately describe the aggregated behavior of a large population of EVs enabling them to efficiently participate in frequency regulation and peak load shaving services.